[发明专利]面向类型化资源的投入驱动的存储与计算一体化的事务处理优化方法

说明书

技术领域

本发明是面向类型化资源的投入驱动的存储与计算一体化的事务处理优化方法，基于由数据图谱、信息图谱和知识图谱构成的框架对以数据、信息和知识等形态存在的资源进行建模，从资源处理、处理优化的角度对资源进行合理组织和存储，优化资源处理的时空效率，属于分布式计算和软件工程学技术交叉领域。

背景技术

传统的搜索引擎技术根据用户的查询要求快速检索和排序网页资源，对于搜索引擎反馈的大量资源需要用户进行人工排查和筛选，导致搜索效率低下，难以满足用户快速获取到资源的需求。现有的技术包括基于机器学习的方法和基于本体的方法为应对这一挑战做出了许多贡献，然而，基于机器学习的方法缺乏有效的机制来明确地将经验知识与训练模型结合在一起，基于本体的方法受到人类专家方面沉重负担的限制。

知识图谱容纳资源规模较大，涵盖的知识领域广泛，并且能为用户提供智能搜索和问答服务。基于知识图谱的搜索侧重于图结构的逻辑推理计算，基于语义网三元组进行推理补充资源信息，实现Web从网页链接向概念链接的转变，支持用户按照语句进行检索，以图形化的方式向用户反馈结构化知识，准确定位用户所需资源，使用户从人工过滤网页寻找答案的模式中解脱出来，提高了搜索效率。

本文提出面向类型化资源的投入驱动的存储与计算一体化的事务处理优化方法关键技术在于对不同图谱上的处理效率和将以数据、信息和知识等形态存在的资源根据在数据图谱、信息图谱和知识图谱上的综合代价进行存储，通过对资源的合理组织和存储优化处理事务资源的时空效率。

发明内容

技术问题：本发明的目的是提供一种对数据(Data_DIK)、信息(Information_DIK)和知识(Knowledge_DIK)（我们定义数据为Data_DIK，信息为Information_DIK，知识为Knowledge_DIK）等形态的资源的原始表述的自然语言的机器理解、自动处理、自动综合和自动分析方法，用于解决对不同类型、不同规模资源的高效组织和存储，以便提高在图谱上处理资源的效率，降低事务资源处理中所要耗费的代价。

技术方案：本发明是面向类型化资源的投入驱动的存储与计算一体化的事务处理优化方法，基于对现有知识图谱（Knowledge Graph）概念的拓展提出了一种三层可自动抽象调整的解决架构。这个架构包括：数据图谱（DataGraph_DIK）、信息图谱（InformationGraph_DIK）和知识图谱（KnowledgeGraph_DIK）等三个层面；本发明定义事务资源的类型包括数据（Data_DIK）、信息（Information_DIK）和知识（Knowledge_DIK）三种。本发明提出基于数据图谱、信息图谱和知识图谱框架从资源建模、资源处理、处理优化的角度对事务资源进行管理和组织，优化时空效率。本发明定义资源建模包括采用资源实例、资源类型、资源集合的概念对资源分类的描述、资源类型转换的描述，具体定义如下：

（1）资源实例(RINS)：描述事务资源的原子级的资源，作为资源分类树的最底层结点，资源实例包括资源类型(RE_type)和资源规模(RE_sca)两个属性，可表示为RINS:=<RE_type, RE_sca>；

（2）资源类型(Type_DIK)：本发明定义资源包含三种类型，分别是数据、信息和知识，可表示为Type_DIK:=<Data_DIK, Information_DIK, Knowledge_DIK>。表1给出了对Data_DIK、Information_DIK和Knowledge_DIK等资源类型的解释；

（3）资源集合：资源集合是不同类型或相同类型资源的集合，由资源实例构成；以上定义中，资源实例和资源类型主要针对事务资源的静态模型，资源集合用来完成各种活动；

表1.资源类型的渐进形式